這期內(nèi)容當(dāng)中小編將會(huì)給大家?guī)碛嘘P(guān)Java怎樣實(shí)現(xiàn)高斯模糊和圖像的空間卷積，文章內(nèi)容豐富且以專業(yè)的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。

敦化網(wǎng)站制作公司哪家好，找成都創(chuàng)新互聯(lián)！從網(wǎng)頁設(shè)計(jì)、網(wǎng)站建設(shè)、微信開發(fā)、APP開發(fā)、自適應(yīng)網(wǎng)站建設(shè)等網(wǎng)站項(xiàng)目制作，到程序開發(fā)，運(yùn)營維護(hù)。成都創(chuàng)新互聯(lián)自2013年起到現(xiàn)在10年的時(shí)間，我們擁有了豐富的建站經(jīng)驗(yàn)和運(yùn)維經(jīng)驗(yàn)，來保證我們的工作的順利進(jìn)行。專注于網(wǎng)站建設(shè)就選成都創(chuàng)新互聯(lián)。

高斯模糊

高斯模糊（英語：Gaussian Blur），也叫高斯平滑，是在Adobe  Photoshop、GIMP以及Paint.NET等圖像處理軟件中廣泛使用的處理效果，通常用它來減少圖像雜訊以及降低細(xì)節(jié)層次。這種模糊技術(shù)生成的圖像，其視覺效果就像是經(jīng)過一個(gè)半透明屏幕在觀察圖像，這與鏡頭焦外成像效果散景以及普通照明陰影中的效果都明顯不同。高斯平滑也用于計(jì)算機(jī)視覺算法中的預(yù)先處理階段，以增強(qiáng)圖像在不同比例大小下的圖像效果。  從數(shù)學(xué)的角度來看，圖像的高斯模糊過程就是圖像與正態(tài)分布做卷積。由于正態(tài)分布又叫作高斯分布，所以這項(xiàng)技術(shù)就叫作高斯模糊。圖像與圓形方框模糊做卷積將會(huì)生成更加精確的焦外成像效果。由于高斯函數(shù)的傅立葉變換是另外一個(gè)高斯函數(shù)，所以高斯模糊對(duì)于圖像來說就是一個(gè)低通濾波器。

高斯模糊運(yùn)用了高斯的正態(tài)分布的密度函數(shù)，計(jì)算圖像中每個(gè)像素的變換。

根據(jù)一維高斯函數(shù)，可以推導(dǎo)得到二維高斯函數(shù)：

其中r是模糊半徑，r^2 = x^2 +  y^2，σ是正態(tài)分布的標(biāo)準(zhǔn)偏差。在二維空間中，這個(gè)公式生成的曲面的等高線是從中心開始呈正態(tài)分布的同心圓。分布不為零的像素組成的卷積矩陣與原始圖像做變換。每個(gè)像素的值都是周圍相鄰像素值的加權(quán)平均。原始像素的值有***的高斯分布值，所以有***的權(quán)重，相鄰像素隨著距離原始像素越來越遠(yuǎn)，其權(quán)重也越來越小。這樣進(jìn)行模糊處理比其它的均衡模糊濾波器更高地保留了邊緣效果。

其實(shí)，在iOS上實(shí)現(xiàn)高斯模糊是件很容易的事兒。早在iOS 5.0就有了Core Image的API，而且在CoreImage.framework庫中，提供了大量的濾鏡實(shí)現(xiàn)。

+(UIImage *)coreBlurImage:(UIImage *)image withBlurNumber:(CGFloat)blur 
{ CIContext *context = [CIContext contextWithOptions:nil]; CIImage *inputImage= [CIImage imageWithCGImage:image.CGImage]; //設(shè)置filterCIFilter *filter = [CIFilter filterWithName:@"CIGaussianBlur"]; 
    [filter setValue:inputImage forKey:kCIInputImageKey]; [filter setValue:@(blur) forKey: @"inputRadius"]; //模糊圖片CIImage *result=[filter valueForKey:kCIOutputImageKey]; CGImageRef outImage=[context createCGImage:result fromRect:[result extent]];       UIImage *blurImage=[UIImage imageWithCGImage:outImage];           CGImageRelease(outImage); return blurImage;
}

在Android上實(shí)現(xiàn)高斯模糊也可以使用原生的API—–RenderScript，不過需要Android的API是17以上，也就是Android 4.2版本。

/**      * 使用RenderScript實(shí)現(xiàn)高斯模糊的算法      * @param bitmap      * @return      */public Bitmap blur(Bitmap bitmap){//Let's create an empty bitmap with the same size of the bitmap we want to blurBitmap outBitmap = Bitmap.createBitmap(bitmap.getWidth(), bitmap.getHeight(), Bitmap.Config.ARGB_8888);//Instantiate a new RenderscriptRenderScript rs = RenderScript.create(getApplicationContext());//Create an Intrinsic Blur Script using the RenderscriptScriptIntrinsicBlur blurScript = ScriptIntrinsicBlur.create(rs, Element.U8_4(rs));//Create the Allocations (in/out) with the Renderscript and the in/out bitmapsAllocation allIn = Allocation.createFromBitmap(rs, bitmap);
        Allocation allOut = Allocation.createFromBitmap(rs, outBitmap);//Set the radius of the blur: 0 < radius <= 25blurScript.setRadius(20.0f);//Perform the RenderscriptblurScript.setInput(allIn);
        blurScript.forEach(allOut);//Copy the final bitmap created by the out Allocation to the outBitmapallOut.copyTo(outBitmap);//recycle the original bitmapbitmap.recycle();//After finishing everything, we destroy the Renderscript.rs.destroy();return outBitmap;

    }

我們開發(fā)的圖像框架cv4j也提供了一個(gè)濾鏡來實(shí)現(xiàn)高斯模糊。

GaussianBlurFilter filter = new GaussianBlurFilter();filter.setSigma(10);RxImageData.bitmap(bitmap).addFilter(filter).into(image2);

可以看出，cv4j實(shí)現(xiàn)的高斯模糊跟RenderScript實(shí)現(xiàn)的效果一致。

其中，GaussianBlurFilter的代碼如下：

public class GaussianBlurFilter implements CommonFilter {private float[] kernel;private double sigma = 2;
    ExecutorService mExecutor;
    CompletionService<Void> service;public GaussianBlurFilter() {
        kernel = new float[0];
    }public void setSigma(double a) {this.sigma = a;
    }@Overridepublic ImageProcessor filter(final ImageProcessor src){final int width = src.getWidth();final int height = src.getHeight();final int size = width*height;int dims = src.getChannels();
        makeGaussianKernel(sigma, 0.002, (int)Math.min(width, height));

        mExecutor = TaskUtils.newFixedThreadPool("cv4j",dims);
        service = new ExecutorCompletionService<>(mExecutor);// save resultfor(int i=0; i<dims; i++) {final int temp = i;
            service.submit(new Callable<Void>() {public Void call() throws Exception {byte[] inPixels = src.toByte(temp);byte[] temp = new byte[size];
                    blur(inPixels, temp, width, height); // H Gaussianblur(temp, inPixels, height, width); // V Gaussainreturn null;
                }
            });
        }for (int i = 0; i < dims; i++) {try {
                service.take();
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
        }

        mExecutor.shutdown();return src;
    }/**      * <p> here is 1D Gaussian        , </p>      *      * @param inPixels      * @param outPixels      * @param width      * @param height      */private void blur(byte[] inPixels, byte[] outPixels, int width, int height)     {int subCol = 0;int index = 0, index2 = 0;float sum = 0;int k = kernel.length-1;for(int row=0; row<height; row++) {int c = 0;
            index = row;for(int col=0; col<width; col++) {
                sum = 0;for(int m = -k; m< kernel.length; m++) {
                    subCol = col + m;if(subCol < 0 || subCol >= width) {
                        subCol = 0;
                    }
                    index2 = row * width + subCol;
                    c = inPixels[index2] & 0xff;
                    sum += c * kernel[Math.abs(m)];
                }
                outPixels[index] = (byte)Tools.clamp(sum);
                index += height;
            }
        }
    }public void makeGaussianKernel(final double sigma, final double accuracy, int maxRadius) {int kRadius = (int)Math.ceil(sigma*Math.sqrt(-2*Math.log(accuracy)))+1;if (maxRadius < 50) maxRadius = 50;         // too small maxRadius would result in inaccurate sum.if (kRadius > maxRadius) kRadius = maxRadius;
        kernel = new float[kRadius];for (int i=0; i<kRadius; i++)               // Gaussian functionkernel[i] = (float)(Math.exp(-0.5*i*i/sigma/sigma));double sum;                                 // sum over all kernel elements for normalizationif (kRadius < maxRadius) {
            sum = kernel[0];for (int i=1; i<kRadius; i++)
                sum += 2*kernel[i];
        } elsesum = sigma * Math.sqrt(2*Math.PI);for (int i=0; i<kRadius; i++) {double v = (kernel[i]/sum);
            kernel[i] = (float)v;
        }return;
    }
}

空間卷積

二維卷積在圖像處理中會(huì)經(jīng)常遇到，圖像處理中用到的大多是二維卷積的離散形式。

以下是cv4j實(shí)現(xiàn)的各種卷積效果。

cv4j 目前支持如下的空間卷積濾鏡

filter	名稱	作用
ConvolutionHVFilter	卷積	模糊或者降噪
MinMaxFilter	***最小值濾波	去噪聲
SAPNoiseFilter	椒鹽噪聲	增加噪聲
SharpFilter	銳化	增強(qiáng)
MedimaFilter	中值濾波	去噪聲
LaplasFilter	拉普拉斯	提取邊緣
FindEdgeFilter	尋找邊緣	梯度提取
SobelFilter	梯度	獲取x、y方向的梯度提取
VarianceFilter	方差濾波	高通濾波
MaerOperatorFilter	馬爾操作	高通濾波
USMFilter	USM	增強(qiáng)

cv4j 是gloomyfish和我一起開發(fā)的圖像處理庫，目前還處于早期的版本。

目前已經(jīng)實(shí)現(xiàn)的功能：

我們對(duì) cv4j 做了較大的調(diào)整，對(duì)整體架構(gòu)進(jìn)行了優(yōu)化。還加上了空間卷積功能(圖片增強(qiáng)、銳化、模糊等等)。

上述就是小編為大家分享的Java怎樣實(shí)現(xiàn)高斯模糊和圖像的空間卷積了，如果剛好有類似的疑惑，不妨參照上述分析進(jìn)行理解。如果想知道更多相關(guān)知識(shí)，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道。

網(wǎng)頁名稱：Java怎樣實(shí)現(xiàn)高斯模糊和圖像的空間卷積
當(dāng)前地址：http://jinyejixie.com/article28/ijjscp.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)頁設(shè)計(jì)公司、動(dòng)態(tài)網(wǎng)站、網(wǎng)站建設(shè)、App設(shè)計(jì)、品牌網(wǎng)站設(shè)計(jì)、營銷型網(wǎng)站建設(shè)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)